基于双重注意力融合的有效变压器,用于水下图像增强

科学领域:

• 计算机视觉 计算机视觉
• 图像处理 图像处理
• 海洋技术 海洋技术

背景情况:

• 水下图像因光吸收和散射而退化,导致颜色变化,对比度低,细节模糊.
• 图像质量差阻碍了水下视觉任务,现有的增强方法不足以解决空间衰减和颜色通道退化.
• 目前的培训数据集在规模和场景多样性上是有限的,这影响了模型性能.

研究的目的:

• 开发一种改进的水下图像增强方法,解决现有方法的局限性.
• 设计一个新的网络架构,并创建一个多样化的培训数据集,以更好地恢复水下图像.

主要方法:

• 提出了一个融合注意力块,将Swin变压器的非局部建模与残余卷积的局部建模集成在一起.
• 开发了一种适应性融合机制,用于与频道注意的非局部和局部特征.
• 综合了各种水下图像,使用具有不同水类型和降解参数的水下成像模型.
• 嵌入了感知损失功能,以提高视觉质量.

主要成果:

• 与现有技术相比,拟议的方法在合成和现实世界水下图像上都表现出卓越的性能.
• 融合注意力块有效地结合了本地和非本地特征,以增强图像恢复.
• 扩展和合成的数据集改善了跨不同水下条件的模型概括性.

结论:

• 开发的网络架构和培训策略显著提高了水下图像质量.
• 该方法的有效性使其适用于实际的水下视觉应用.
• 这项工作有助于在海洋环境中推进水下图像处理和计算机视觉.